JP2021157297A - Customer estimation device and customer estimation method - Google Patents

Customer estimation device and customer estimation method Download PDF

Info

Publication number
JP2021157297A
JP2021157297A JP2020054650A JP2020054650A JP2021157297A JP 2021157297 A JP2021157297 A JP 2021157297A JP 2020054650 A JP2020054650 A JP 2020054650A JP 2020054650 A JP2020054650 A JP 2020054650A JP 2021157297 A JP2021157297 A JP 2021157297A
Authority
JP
Japan
Prior art keywords
customer
score
item
classification item
classification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2020054650A
Other languages
Japanese (ja)
Other versions
JP6937405B1 (en
Inventor
正晃 宮田
Masaaki Miyata
正晃 宮田
玄 田村
Gen Tamura
玄 田村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Video Research Co Ltd
Original Assignee
Video Research Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Video Research Co Ltd filed Critical Video Research Co Ltd
Priority to JP2020054650A priority Critical patent/JP6937405B1/en
Application granted granted Critical
Publication of JP6937405B1 publication Critical patent/JP6937405B1/en
Publication of JP2021157297A publication Critical patent/JP2021157297A/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

To provide a customer estimation device capable of estimating a target customer with high accuracy.SOLUTION: In a customer estimation device 1, a classification item creation unit 5 classifies customer-owned items according to contents of indexed items to create a first classification item, and a score providing unit 6 provides the first classification item with a first score based on a predetermined rule. Further, the classification item creation unit 5 creates a second classification item according to the change of source data S at a different opportunity from that for the creation of the first classification item, and the score providing unit 6 provides the classification item with a second score.SELECTED DRAWING: Figure 1

Description

本発明は、対象顧客を精度良く推定することができる顧客推定装置及び顧客推定方法に関する。 The present invention relates to a customer estimation device and a customer estimation method capable of accurately estimating a target customer.

従来、ウェブのアクセスログを利用して、新規の顧客に対して商品やサービスの広告を配信したり、提案したりするシステムが知られている。 Conventionally, a system has been known that uses a web access log to deliver or propose an advertisement for a product or service to a new customer.

例えば、下記の特許文献１の会員向けターゲティング広告提供システムでは、会員専用サイト運営会社が運営している会員専用サイトＡの会員は、コンピュータ、スマートフォン等の利用者端末から、インターネットを介して会員専用サイトメインサーバにアクセスする。会員は、利用者端末から会員ＩＤとパスワードを入力して会員専用サイトＡにログインし、会員向けの情報提供ページを閲覧することができる。 For example, in the following targeting advertisement providing system for members of Patent Document 1, the members of the member-only site A operated by the member-only site operating company are members-only from a user terminal such as a computer or a smartphone via the Internet. Access the site main server. The member can log in to the member-only site A by entering the member ID and password from the user terminal and browse the information providing page for the member.

そして、利用者端末が、会員専用サイトＡと切り離された会員専用サイト外対応サーバのクッキーＩＤを広告配信会社の広告配信サーバに渡すことで、会員専用サイトＡ内での履歴が外部に流出することを防ぎながら、会員の属性に合ったターゲティング広告を提供する。 Then, the user terminal passes the cookie ID of the member-only site non-member compatible server separated from the member-only site A to the advertisement distribution server of the advertisement distribution company, so that the history in the member-only site A is leaked to the outside. Providing targeted advertisements that match the attributes of members while preventing this from happening.

また、会員は、利用者端末からインターネットを介して、ウェブサイト運営会社が運営しているウェブサイトＢにアクセスすると、広告配信の委託を受けたウェブサイトＢの広告枠に広告が配信されるようになる（段落００１７〜００２７、図１）。 In addition, when the member accesses the website B operated by the website operating company from the user terminal via the Internet, the advertisement is delivered to the ad space of the website B that has been entrusted with the advertisement distribution. (Paragraphs 0017 to 0027, FIG. 1).

特許第５８４３９８３号Patent No. 5843983

しかしながら、特許文献１のシステムでは、クッキーＩＤから得られる情報に基づいて広告が配信されるため、ユーザが購入した商品の関連商品等、関連性の強い商品、サービスの広告しか行えないという問題があった。また、ユーザのニーズや興味は日々変化しているため、このことに対応し、潜在的に抱えている課題を解決するような提案を行うことが難しかった。 However, in the system of Patent Document 1, since the advertisement is delivered based on the information obtained from the cookie ID, there is a problem that only advertisements for highly related products and services such as related products of the products purchased by the user can be performed. there were. In addition, since the needs and interests of users are changing day by day, it was difficult to respond to this and make proposals to solve potential problems.

本発明は上記課題に鑑みなされたものであり、対象顧客を精度良く推定することができる顧客推定装置を提供することを目的とする。 The present invention has been made in view of the above problems, and an object of the present invention is to provide a customer estimation device capable of accurately estimating a target customer.

なお、本件は、出願済みの顧客推定装置（特願２０１９−１６２８７３号）に関連する出願であり、当該装置の実用性及び拡張可能性を説明する目的がある。 It should be noted that this case is an application related to the applied customer estimation device (Japanese Patent Application No. 2019-162873), and the purpose is to explain the practicality and expandability of the device.

第１発明の顧客推定装置は、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得したソースデータのソースデータ項目とを対応させる項目対応手段と、指標化すべき指標化項目の内容に応じて前記顧客保有項目を分類し、第１の分類項目を作成する第１の分類項目作成手段と、前記第１の分類項目作成手段が作成した前記第１の分類項目に、所定の規則に基づいて第１のスコアを付与する第１のスコア付与手段と、前記第１の分類項目の作成とは別機会に、前記ソースデータの更新に伴い前記顧客保有項目を分類し、第２の分類項目を作成する第２の分類項目作成手段と、前記第２の分類項目作成手段が作成した前記第２の分類項目に、前記所定の規則に基づいて第２のスコアを付与する第２のスコア付与手段と、を備えることを特徴とする。 The customer estimation device of the first invention is an item for associating a customer-owned item owned by a customer with a source data item of source data obtained from a survey conducted on a specific or unspecified person or the history information of that person. The first classification item creation means for classifying the customer-owned items and creating the first classification item according to the corresponding means and the contents of the indexing items to be indexed, and the first classification item creation means are created. The source data is updated at a separate opportunity from the first scoring means for assigning the first score to the first classification item and the creation of the first classification item. Along with this, the second classification item creation means for classifying the customer-owned items and creating the second classification item and the second classification item created by the second classification item creation means are subject to the predetermined rules. It is characterized by comprising a second score giving means for giving a second score based on the above.

本発明の顧客推定装置においては、項目対応手段が顧客の性別、年齢等の顧客保有項目とソースデータ項目とを対応させることで両項目の紐付けが行われる。また、第１の分類項目作成手段は、販売する商品、提供するサービス等に関する指標化項目の内容に応じて、顧客保有項目を分類して第１の分類項目を作成する。さらに、第１のスコア付与手段は、所定の規則に基づいて各分類項目に対して第１のスコアを付与する。 In the customer estimation device of the present invention, the item corresponding means associates both items with the customer-owned items such as the gender and age of the customer and the source data items. In addition, the first classification item creation means classifies the customer-owned items according to the contents of the indexed items related to the products to be sold, the services to be provided, and the like, and creates the first classification item. Further, the first scoring means gives a first score to each classification item based on a predetermined rule.

また、第２の分類項目作成手段は、前記第１の分類項目の作成とは別機会に、ソースデータの更新に伴い、改めて第２の分類項目を作成する。ソースデータが更新された場合、第１の分類項目とは異なる第２の分類項目が作成される。また、第２のスコア付与手段により、今回の各分類項目に対して新たなスコアが付与される。従って、本装置は、複数の機会で分類項目の数を調整し、スコアの傾向を考慮して対象顧客を精度良く推定することができる。 In addition, the second classification item creating means creates the second classification item again with the update of the source data at a different opportunity from the creation of the first classification item. When the source data is updated, a second classification item different from the first classification item is created. In addition, a new score is given to each classification item this time by the second score giving means. Therefore, the present device can adjust the number of classification items at a plurality of opportunities and accurately estimate the target customer in consideration of the tendency of the score.

第１発明の顧客推定装置において、第ｎ（ｎ≧２の自然数）の分類項目の作成とは別機会に、前記ソースデータの更新に伴い前記顧客保有項目を分類し、第（ｎ＋１）の分類項目を作成する第（ｎ＋１）の分類項目作成手段と、前記第（ｎ＋１）の分類項目作成手段が作成した前記第（ｎ＋１）の分類項目に、前記所定の規則に基づいて第（ｎ＋１）のスコアを付与する第（ｎ＋１）のスコア付与手段と、を備えるようにしてもよい。 In the customer estimation device of the first invention, the customer-owned items are classified according to the update of the source data at a different opportunity from the creation of the n-th (natural number of n ≧ 2) classification item, and the (n + 1) classification is performed. The first (n + 1) classification item creating means for creating an item and the first (n + 1) classification item created by the first (n + 1) classification item creating means are combined with the first (n + 1) classification item based on the predetermined rule. A first (n + 1) score giving means for giving a score may be provided.

この構成によれば、第ｎの分類項目を作成したときからソースデータが更新された場合に、第（ｎ＋１）の分類項目作成手段によって、第ｎの分類項目とは異なる分類項目が作成される。また、第（ｎ＋１）のスコア付与手段により、第ｎの分類項目にスコアが付与される。これにより、付与されたスコアの推移を確認しながら、対象顧客を精度良く推定することができる。 According to this configuration, when the source data is updated from the time when the nth classification item is created, the classification item different from the nth classification item is created by the (n + 1) th classification item creation means. .. Further, a score is given to the nth classification item by the (n + 1) th scoring means. As a result, the target customer can be estimated accurately while checking the transition of the given score.

また、第１発明の顧客推定装置において、対象顧客と判定するための前記スコアの閾値を設定し、前記第１のスコアから前記第（ｎ＋１）のスコアを前記顧客のそれぞれに付与し、当該スコアが特定の期間に前記閾値を超えた回数に基づいて、当該顧客を対象顧客と判定する第１の対象顧客判定手段を備えるようにしてもよい。 Further, in the customer estimation device of the first invention, a threshold value of the score for determining the target customer is set, and the (n + 1) score from the first score is given to each of the customers, and the score is given. May be provided with a first target customer determination means for determining the customer as a target customer based on the number of times that exceeds the threshold value in a specific period.

この構成によれば、第１の対象顧客判定手段は、各顧客に第１から第（ｎ＋１）のスコアを付与し、特定の期間において、当該スコアが閾値を超えた回数をカウントする。そして、その回数に基づいて対象顧客の判定を行う。これにより、対象顧客を正確に推定することができる。 According to this configuration, the first target customer determination means assigns the first to first (n + 1) scores to each customer, and counts the number of times the score exceeds the threshold value in a specific period. Then, the target customer is determined based on the number of times. As a result, the target customer can be estimated accurately.

また、第１発明の顧客推定装置において、前記第１のスコアから前記第（ｎ＋１）のスコアを前記顧客のそれぞれに付与し、特定の期間における前記スコアの推移に基づいて前記顧客を対象顧客と判定する第２の対象顧客判定手段を備えるようにしてもよい。 Further, in the customer estimation device of the first invention, the first (n + 1) score is given to each of the customers from the first score, and the customer is designated as the target customer based on the transition of the score in a specific period. A second target customer determination means for determination may be provided.

この構成によれば、第２の対象顧客判定手段は、各顧客に第１から第（ｎ＋１）のスコアを付与し、その推移を調べ、当該スコアに基づいて（例えば、スコアが上昇傾向）にある顧客を対象顧客と判定する。これによっても、対象顧客を正確に推定することができる。 According to this configuration, the second target customer determination means assigns a score from the first to the first (n + 1) to each customer, examines the transition, and based on the score (for example, the score tends to increase). Determine a customer as a target customer. This also makes it possible to accurately estimate the target customer.

また、第１発明の顧客推定装置において、前記スコア付与手段が付与した第１のスコアに第１の係数を乗じ、前記スコア付与手段が付与した第（ｎ＋１）のスコアに第（ｎ＋１）の係数を乗じ、これらを合算して前記顧客のそれぞれに加重スコアを付与する加重スコア付与手段と、特定の期間において、前記加重スコア付与手段が付与した前記加重スコアに基づいて、当該顧客を対象顧客と判定する第３の対象顧客判定手段を備えるようにしてもよい。 Further, in the customer estimation device of the first invention, the first score given by the scoring means is multiplied by the first coefficient, and the first (n + 1) score given by the scoring means is multiplied by the first (n + 1) coefficient. Based on the weighted score giving means that multiplies and adds up these to give a weighted score to each of the customers, and the weighted score given by the weighted score giving means in a specific period, the customer is designated as the target customer. A third target customer determination means for determination may be provided.

この構成によれば、加重スコア付与手段は、第１のスコアに第１の係数を乗じ、第（ｎ＋１）のスコアに第（ｎ＋１）の係数を乗じ、これらを合算して各顧客に加重スコアを付与する。そして、第３の対象顧客判定手段は、特定の期間における加重スコアに基づいて、対象顧客の判定を行う。これによっても、対象顧客を正確に推定することができる。 According to this configuration, the weighted score giving means multiplies the first score by the first coefficient, multiplies the first (n + 1) score by the first (n + 1) coefficient, and adds them together to give each customer a weighted score. Is given. Then, the third target customer determination means determines the target customer based on the weighted score in a specific period. This also makes it possible to accurately estimate the target customer.

また、第１発明の顧客推定装置において、第ｎ（ｎ≧１の自然数）の分類項目に第ｎのスコアが付与された後、所定条件を満たす前記顧客に新たなスコアを付与する特別スコア付与手段を備えるようにしてもよい。 Further, in the customer estimation device of the first invention, after the nth score is given to the nth (natural number of n ≧ 1) classification item, a special score is given to the customer who satisfies a predetermined condition. Means may be provided.

第ｎ（ｎ≧１の自然数）の分類項目に第ｎのスコアが付与された後、特別スコア付与手段は、所定条件を満たす顧客に新たなスコアを付与する。これによっても、スコアの推移を確認しながら、対象顧客を精度良く推定することができる。 After the nth score is given to the nth (natural number of n ≧ 1) classification item, the special score giving means gives a new score to the customer who satisfies the predetermined condition. This also makes it possible to accurately estimate the target customer while checking the transition of the score.

第２発明の顧客推定方法は、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得したソースデータが有するソースデータ項目とを対応させる項目対応ステップと、指標化すべき指標化項目の内容に応じて前記顧客保有項目を分類し、第１の分類項目を作成する第１の分類項目作成ステップと、前記第１の分類項目作成ステップで作成された前記第１の分類項目に、所定の規則に基づいて第１のスコアを付与する第１のスコア付与ステップと、前記第１の分類項目の作成とは別機会に、前記ソースデータの更新に伴い前記顧客保有項目を分類し、第２の分類項目を作成する第２の分類項目作成ステップと、前記第２の分類項目作成ステップで作成された前記第２の分類項目に、所定の規則に基づいて第２のスコアを付与する第２のスコア付与ステップと、を備えることを特徴とする。 The customer estimation method of the second invention associates a customer-owned item owned by a customer with a source data item possessed by source data obtained from a survey conducted on a specific or unspecified person or the history information of that person. In the item correspondence step, the first classification item creation step for classifying the customer-owned items according to the contents of the indexing items to be indexed and creating the first classification item, and the first classification item creation step. At a different opportunity from the first scoring step of assigning a first score to the created first classification item based on a predetermined rule and the creation of the first classification item, of the source data. The second classification item creation step for classifying the customer-owned items and creating the second classification item with the update, and the second classification item created in the second classification item creation step are predetermined. It is characterized by comprising a second scoring step of awarding a second score based on the rules.

本発明の顧客推定方法は、項目対応ステップにて、顧客保有項目とソースデータ項目とを対応させることで両項目の紐付けが行われ、第１の分類項目作成ステップにて、指標化項目に応じて顧客保有項目を分類して、第１の分類項目が作成される。 In the customer estimation method of the present invention, both items are linked by associating the customer-owned item with the source data item in the item correspondence step, and the index item is used in the first classification item creation step. The customer-owned items are classified accordingly, and the first classification item is created.

また、第２の分類項目作成ステップにて、前記第１の分類項目の作成とは別機会に、前記ソースデータの更新に伴い、改めて第２の分類項目が作成される。ソースデータが更新された場合、第１の分類項目とは異なる第２の分類項目が作成される。また、第２のスコア付与ステップにて、今回の各分類項目に対して新たなスコアが付与される。従って、本方法は、複数の機会で分類項目の数を調整し、スコアの傾向を考慮して対象顧客を精度良く推定することができる。 Further, in the second classification item creation step, the second classification item is created again with the update of the source data at a different opportunity from the creation of the first classification item. When the source data is updated, a second classification item different from the first classification item is created. In addition, in the second score giving step, a new score is given to each classification item this time. Therefore, in this method, the number of classification items can be adjusted at a plurality of opportunities, and the target customer can be estimated accurately in consideration of the tendency of the score.

第３発明の顧客推定装置は、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得したソースデータのソースデータ項目とを対応させる項目対応手段と、指標化すべき指標化項目の内容に応じて前記顧客保有項目を分類し、分類項目を作成する分類項目作成手段と、前記分類項目作成手段が作成した前記分類項目に、所定の規則に基づいて第１のスコアを付与する第１のスコア付与手段と、前記分類項目に前記第１のスコアが付与された後、所定条件を満たす前記顧客に新たなスコアを付与する特別スコア付与手段と、を備えることを特徴とする。 The customer estimation device of the third invention is an item for associating a customer-owned item owned by a customer with a source data item of source data obtained from a survey conducted on a specific or unspecified person or the history information of that person. Predetermined rules are applied to the corresponding means, the classification item creating means for classifying the customer-owned items according to the contents of the indexing items to be indexed and creating the classification items, and the classification items created by the classification item creation means. A first score giving means for giving a first score based on the above, and a special score giving means for giving a new score to the customer who satisfies a predetermined condition after the first score is given to the classification item. It is characterized by having.

本発明の顧客推定装置では、項目対応手段が顧客保有項目とソースデータ項目とを対応させることで両項目の紐付けが行われる。また、第１の分類項目作成手段は、指標化項目の内容に応じて、顧客保有項目を分類して分類項目を作成する。さらに、第１のスコア付与手段は、所定の規則に基づいて分類項目のそれぞれに対して第１のスコアを付与する。 In the customer estimation device of the present invention, both items are linked by the item corresponding means associating the customer-owned item with the source data item. Further, the first classification item creation means classifies the customer-owned items according to the contents of the indexed items and creates the classification items. Further, the first scoring means assigns a first score to each of the classification items based on a predetermined rule.

また、第１の分類項目に第１のスコアが付与された後、特別スコア付与手段が所定条件を満たす顧客に新たなスコアを付与する。これにより、本装置は、スコアの推移を確認しながら、対象顧客を精度良く推定することができる。 Further, after the first score is given to the first classification item, the special score giving means gives a new score to the customer who satisfies the predetermined condition. As a result, the present device can accurately estimate the target customer while checking the transition of the score.

第１発明、第３発明の顧客推定装置において、前記所定条件は、前記顧客保有項目のデータの変更に伴って定められる条件としてもよい。 In the customer estimation apparatus of the first invention and the third invention, the predetermined condition may be a condition determined in accordance with the change of the data of the customer-owned item.

顧客保有項目のデータ（例えば、顧客保有項目「年齢」の数値）は変更されることがあるため、当該変更に関連した条件を所定条件と定める。顧客保有項目のデータが変更された顧客を当該条件を満たすとして、新たなスコアを付与すれば、改めて顧客推定装置の再実行をする必要がなくなる。 Since the data of customer-owned items (for example, the numerical value of customer-owned item "age") is subject to change, the conditions related to the change are defined as predetermined conditions. If the customer whose data of the customer-owned item is changed satisfies the condition and a new score is given, it is not necessary to re-execute the customer estimation device.

第４発明の顧客推定方法は、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得したソースデータが有するソースデータ項目とを対応させる項目対応ステップと、指標化すべき指標化項目の内容に応じて前記顧客保有項目を分類し、分類項目を作成する分類項目作成ステップと、前記分類項目作成ステップで作成された前記分類項目に、所定の規則に基づいて第１のスコアを付与する第１のスコア付与ステップと、前記分類項目に前記第１のスコアが付与された後、所定条件を満たす前記顧客に新たなスコアを付与する特別スコア付与ステップと、を備えることを特徴とする。 The customer estimation method of the fourth invention associates a customer-owned item owned by a customer with a source data item possessed by source data obtained from a survey conducted on a specific or unspecified person or the history information of that person. The item correspondence step, the classification item creation step for classifying the customer-owned items according to the content of the indexing item to be indexed and creating the classification item, and the classification item created in the classification item creation step are predetermined. A first score giving step of giving a first score based on the rule of the above, and a special score of giving a new score to the customer who satisfies a predetermined condition after the first score is given to the classification item. It is characterized by including a granting step.

本発明の顧客推定方法は、項目対応ステップにて、顧客保有項目とソースデータ項目とを対応させることで両項目の紐付けが行われ、分類項目作成ステップにて、指標化項目に応じて顧客保有項目を分類して、分類項目が作成される。 In the customer estimation method of the present invention, both items are linked by associating the customer-owned item with the source data item in the item correspondence step, and the customer according to the indexed item in the classification item creation step. Classification items are created by classifying the possessed items.

また、前記分類項目に第１のスコアが付与された後、特別スコア付与ステップにて、所定条件を満たす顧客に新たなスコアが付与される。従って、本方法は、スコアの推移を確認しながら、対象顧客を精度良く推定することができる。 Further, after the first score is given to the classification item, a new score is given to the customer who satisfies the predetermined condition in the special score giving step. Therefore, this method can accurately estimate the target customer while checking the transition of the score.

本発明の第１実施形態に係る顧客推定装置の概要を説明する図。The figure explaining the outline of the customer estimation apparatus which concerns on 1st Embodiment of this invention. 顧客推定装置が作成した分類項目（旧日付け）の例を説明する図。The figure explaining the example of the classification item (old date) created by the customer estimation device. 顧客推定装置が作成した分類項目（新日付け）の例を説明する図。The figure explaining the example of the classification item (new date) created by the customer estimation device. スコアを付与した顧客リストの例を説明する図。The figure explaining the example of the customer list which gave the score. 重み付けを付与した顧客リストの例を説明する図。The figure explaining the example of the weighted customer list. 顧客推定装置を利用して対象顧客を推定するフローチャート。A flowchart that estimates a target customer using a customer estimation device. 第２実施形態の顧客推定装置が作成した分類項目の例を説明する図。The figure explaining the example of the classification item created by the customer estimation apparatus of 2nd Embodiment. スコアを付与した顧客リストの例を説明する図。The figure explaining the example of the customer list which gave the score. 第３実施形態の顧客推定装置が作成した分類項目、顧客リストの例を説明する図。The figure explaining the example of the classification item and the customer list created by the customer estimation apparatus of 3rd Embodiment.

以下では、図面を参照しながら、本発明の顧客推定装置の詳細を説明する。 Hereinafter, the details of the customer estimation device of the present invention will be described with reference to the drawings.

［第１実施形態］
まず、図１を参照して、本発明の第１実施形態に係る顧客推定装置１の概要を説明する。本実施形態において、顧客推定装置１は、デスクトップＰＣ、ノートＰＣ、タブレット端末等にインストールされた、サービス提供会社Ｘ（以下、会社Ｘという）が所有する装置端末である。 [First Embodiment]
First, the outline of the customer estimation device 1 according to the first embodiment of the present invention will be described with reference to FIG. In the present embodiment, the customer estimation device 1 is a device terminal installed on a desktop PC, a notebook PC, a tablet terminal, or the like and owned by a service provider X (hereinafter referred to as company X).

以下では、会社Ｘのクライアント企業であって、顧客推定装置１のサービス提供先Ｙ（以下、会社Ｙとする）が、新たに開発したサプリメントについて、ＤＭ（ダイレクトメール）の配信やネット広告を開始するため、健康食品に関心がある人を特定したいという需要があった場合を例に説明する。 In the following, the client company of company X, the service provider Y of the customer estimation device 1 (hereinafter referred to as company Y), has started the distribution of DM (direct mail) and online advertisement for the newly developed supplement. Therefore, the case where there is a demand to identify a person who is interested in health foods will be described as an example.

会社Ｙは、顧客ＤＢ（データベース）２０を有しており、顧客リストの顧客情報として、少なくとも「性別」、「年代」を保有している。しかしながら、肝心な「健康食品に関心があり」といった直接的な情報は保有していない。 Company Y has a customer DB (database) 20, and has at least "gender" and "age" as customer information in the customer list. However, it does not have direct information such as "I am interested in health foods".

このような場合、会社Ｙ（ユーザ）は、「健康食品に関心があり」という指標化すべき項目（指標化項目）と、「性別」及び「年代」の顧客保有項目とを会社Ｘに送付し、会社Ｘの担当者が顧客推定装置１にこれらの項目を入力する。ここで、顧客保有項目の「性別」は男性／女性の情報であり、「年代」は１０代／２０代／３０代／４０代／５０代／６０代といった情報であり、必ずしも「顧客ＡＡＡは、女性、３５歳」といった個人情報でなくてもよい。 In such a case, company Y (user) sends the item to be indexed (indexed item) "I am interested in health food" and the customer-owned items of "gender" and "age" to company X. , The person in charge of company X inputs these items into the customer estimation device 1. Here, the "gender" of the customer-owned item is male / female information, and the "age" is information such as teens / 20s / 30s / 40s / 50s / 60s, and "customer AAA is not necessarily". It does not have to be personal information such as ", female, 35 years old".

担当者がこれらの項目を顧客推定装置１に入力すると、全顧客の中から指標化項目に関する見込顧客のみならず、現状では可能性が低いものの、将来的には需要があると推察される対象顧客（潜在顧客又はターゲット顧客）を抽出することができる。 When the person in charge inputs these items into the customer estimation device 1, not only the prospective customers related to the indexed items from all the customers, but also the objects that are unlikely to be in demand at present but are expected to be in demand in the future. Customers (potential customers or target customers) can be extracted.

指標化項目の取得は、顧客推定装置１の指標化項目取得部２で行われる。また、顧客保有項目の取得は、顧客推定装置１の顧客保有項目取得部３で行われる。 The indexed item is acquired by the indexed item acquisition unit 2 of the customer estimation device 1. Further, the customer-owned item acquisition unit 3 of the customer estimation device 1 acquires the customer-owned item.

顧客推定装置１に指標化項目及び顧客保有項目が入力されると、顧客推定装置１の項目対応部４（本発明の「項目対応手段」に相当）が、市場全体を推定可能なエリアランダムサンプリングを採用したシングルソースデータ（以下、ソースデータＳという）と項目のマッチングを行う。さらに、顧客推定装置１は顧客保有項目を分類して、各分類項目にスコアを付与する。 When indexed items and customer-owned items are input to the customer estimation device 1, the item correspondence unit 4 (corresponding to the "item correspondence means" of the present invention) of the customer estimation device 1 can estimate the entire market by area random sampling. Matches items with single source data (hereinafter referred to as source data S) that employs. Further, the customer estimation device 1 classifies the customer-owned items and assigns a score to each classification item.

顧客保有項目の分類は、顧客推定装置１の分類項目作成部５（本発明の「分類項目作成手段」に相当）で行われる。また、スコアの付与は、顧客推定装置１のスコア付与部６（本発明の「スコア付与手段」に相当）で行われる。なお、分類項目作成部５及びスコア付与部６は、当該ソースデータＳを入力データとして機械学習させた機械学習モデルである。 The customer-owned items are classified by the classification item creation unit 5 of the customer estimation device 1 (corresponding to the "classification item creation means" of the present invention). Further, the score is given by the score giving unit 6 of the customer estimation device 1 (corresponding to the "score giving means" of the present invention). The classification item creation unit 5 and the score giving unit 6 are machine learning models in which the source data S is machine-learned as input data.

本実施形態では、ソースデータＳが更新されたとき、顧客推定装置１が改めて分類項目の作成を行うと、分類項目の内容や数について異なる結果が得られ、スコアも変更される。 In the present embodiment, when the source data S is updated and the customer estimation device 1 creates the classification items again, different results are obtained regarding the content and number of the classification items, and the score is also changed.

ここで、ソースデータＳとは、市場全体を推定可能なエリアランダムサンプリングを採用したシングルソースデータであり、アンケートによって特定又は不特定の生活者の意識、属性、商品関与、メディア接触等を網羅的に調査した情報である。すなわち、ソースデータは、「人」、「モノ」、「メディア」の３つの観点で生活者をとらえた、いわば生活者の行動パターンを強く反映した情報である。 Here, the source data S is single source data that employs area random sampling that can estimate the entire market, and covers the consciousness, attributes, product involvement, media contact, etc. of consumers specified or unspecified by questionnaire. This is the information investigated in. That is, the source data is information that strongly reflects the behavior patterns of consumers, which captures consumers from the three viewpoints of "people," "things," and "media."

なお、上述の「意識」とは、生活者の価値観、嗜好、消費行動等を意味する。また、「属性」とは、正確には人口統計学的属性であり、性別、年齢（年代）、住んでいる地域、社会人であれば業種や年収、未婚か既婚か、子供が何人いるか等の社会経済的な特性データを意味する。 The above-mentioned "consciousness" means the values, tastes, consumption behaviors, etc. of consumers. In addition, "attribute" is, to be exact, a demographic attribute, such as gender, age (age), area of residence, industry and annual income if working, unmarried or married, how many children there are, etc. Means the socio-economic characteristic data of.

また、上述の「商品関与」とは、衣服、電化製品等のブランド、趣味や特技等のデータを意味し、「メディア接触」とは、情報を取得するため利用する媒体がインターネットか新聞か、又は雑誌か等のデータを意味する。 In addition, the above-mentioned "product involvement" means data such as brands of clothes and electrical appliances, hobbies and special skills, and "media contact" means whether the medium used for acquiring information is the Internet or newspapers. Or it means data such as a magazine.

このソースデータＳは、東京エリア（東京５０ｋｍ圏内）、関西地区、名古屋地区、北部九州地区、札幌地区、仙台地区、広島地区の日本の主要マーケットである７地区において、抽出した約１万人に調査専用タブレットを貸与、実施して得られたものである。ソースデータＳはアンケートの回答に限られず、視聴率のような視聴ログデータ（履歴情報）が含まれていてもよい。 This source data S is about 10,000 people extracted in the Tokyo area (within 50 km of Tokyo), Kansai area, Nagoya area, Northern Kyushu area, Sapporo area, Sendai area, and Hiroshima area, which are the seven major markets in Japan. It was obtained by renting and implementing a research tablet. The source data S is not limited to the response to the questionnaire, and may include viewing log data (history information) such as the audience rating.

また、顧客推定装置１は、最終的に対象顧客と判定する対象顧客判定部８を備えている。対象顧客判定部８は、付与したスコアが所定の閾値を超えた顧客（又は分類項目）に対して、例えば「○」を付与し、対象顧客と判定する。 Further, the customer estimation device 1 includes a target customer determination unit 8 that finally determines the target customer. The target customer determination unit 8 assigns, for example, "○" to a customer (or a classification item) whose score exceeds a predetermined threshold value, and determines that the customer is a target customer.

さらに、顧客推定装置１は、加重スコア付与部１０（本発明の「加重スコア付与手段」に相当）を備えている。加重スコア付与部１０は、顧客推定装置１が別機会の複数回に亘って分類項目の作成、スコアの付与を行った場合に、第１のスコアに第１の係数を乗じ、第２のスコアに第２の係数を乗じる。その後、加重スコア付与部１０は、これらを合算して加重スコアを算出し、各顧客に当該加重スコアを付与する。 Further, the customer estimation device 1 includes a weighted score giving unit 10 (corresponding to the “weighted score giving means” of the present invention). When the customer estimation device 1 creates a classification item and assigns a score to a plurality of times of another opportunity, the weighted score giving unit 10 multiplies the first score by the first coefficient and gives the second score. Is multiplied by the second coefficient. After that, the weighted score giving unit 10 totals these to calculate the weighted score, and gives the weighted score to each customer.

加重スコア付与部１０は、例えば、古いソースデータＳによる分類項目に対して小さい係数を乗じ（重み付け小）、最新のソースデータＳによる分類項目に対して大きい係数を乗じて（重み付け大）、これらを合算して加重スコアを算出する。これにより、より現状に近い、トレンドを反映したスコアに調整することができる。 For example, the weighted score giving unit 10 multiplies the classification item by the old source data S by a small coefficient (small weighting) and multiplies the classification item by the latest source data S by a large coefficient (large weighting). To calculate the weighted score. This makes it possible to adjust the score to reflect the trend, which is closer to the current situation.

特別スコア付与部１２は、所定条件を満たすか否かを判定し、当該条件を満たす分類項目又は顧客に対して、新たなスコアを付与する。特別スコア付与部１２については、第２実施形態にて詳細を後述する。 The special score giving unit 12 determines whether or not a predetermined condition is satisfied, and assigns a new score to the classification item or the customer who satisfies the condition. The details of the special score giving unit 12 will be described later in the second embodiment.

次に、図２Ａ、図２Ｂを参照して、顧客推定装置１によって異なる日に作成した分類項目の一例を説明する。なお、顧客推定装置１の実行の詳細は、特願２０１９−１６２８７３号を参照されたい。 Next, with reference to FIGS. 2A and 2B, an example of the classification items created on different days by the customer estimation device 1 will be described. For details of the execution of the customer estimation device 1, refer to Japanese Patent Application No. 2019-162873.

図２Ａは、２０２０年３月１日に、顧客推定装置１の実行により作成された分類項目（一覧表１５Ａ）を示している。顧客推定装置１は、指標化項目（具体的には、健康食品への関心度合）に対して、上述の分類項目作成部５（機械学習モデルが有する規則）により顧客保有項目を分類していく。 FIG. 2A shows the classification items (list 15A) created by the execution of the customer estimation device 1 on March 1, 2020. The customer estimation device 1 classifies customer-owned items according to the above-mentioned classification item creation unit 5 (rules possessed by the machine learning model) for indexed items (specifically, the degree of interest in health foods). ..

この作業により、分類項目の１番目の「性別［男性］＆年代［５０代以上］」、分類項目の２番目の「性別［男性］＆年代［４０代］」、分類項目の３番目の「性別［男性］＆年代［１０〜３０代］」、及び分類項目の４番目の「性別［女性］（年代不問）」の４項目が作成される。 By this work, the first category item "Gender [male] & age [50s and over]", the second category item "Gender [male] & age [40s]", and the third category item "Gender [male] & age [40s]" Gender [male] & age [10 to 30s] "and the fourth category item" gender [female] (regardless of age) "are created.

また、顧客推定装置１のスコア付与部６は、各分類項目に対してスコアを付与する。このスコアは、顧客全体を対象とした基準値を算出してこれを１としたとき、当該基準値に対する各分類項目の数値から算出する（相対評価）。例えば、分類項目の１番目は、基準値の２．２倍の大きな数値を示すグループであり、基本的には、指標化項目と相関があるスコアが高いグループと推定される。 Further, the score giving unit 6 of the customer estimation device 1 assigns a score to each classification item. This score is calculated from the numerical value of each classification item with respect to the reference value when the reference value for the entire customer is calculated and this is set to 1 (relative evaluation). For example, the first classification item is a group showing a numerical value 2.2 times as large as the reference value, and it is basically estimated that the group has a high score that correlates with the indexed item.

図２Ｂは、２０２０年３月２日に、顧客推定装置１の実行により作成された分類項目（一覧表１５Ｂ）を示している。なお、ここでは、前回の実行日からソースデータＳが更新されているものとする。 FIG. 2B shows the classification items (list 15B) created by the execution of the customer estimation device 1 on March 2, 2020. Here, it is assumed that the source data S has been updated since the previous execution date.

図示するように、今回、分類項目の１番目の「性別［男性］＆年代［６０代］」、
分類項目の２番目の「性別［男性］＆年代［５０代］」、分類項目の３番目の「性別［男性］＆年代［４０代］」、分類項目の４番目の「性別［男性］＆年代［２０〜３０代］」、分類項目の５番目の「性別［男性・女性］＆年代［１０代］」、及び分類項目の６番目の「性別［女性］＆年代［２０代以上］」の６項目が作成される。 As shown in the figure, this time, the first category item "Gender [male] & age [60s]",
The second category item "Gender [male] & age [50s]", the third category item "Gender [male] & age [40s]", and the fourth category item "Gender [male] & Age [20-30s] ", 5th category item" Gender [male / female] & age [teens] ", and 6th category item" Gender [female] & age [20s and over] " 6 items are created.

今回、ソースデータＳが変更された影響で分類項目の数が増加している。また、各分類項目にスコアが付与されるが、一覧表１５Ａと同じ分類項目（「性別［男性］＆年代［４０代］」）であっても、スコアは異なる値となっている。 This time, the number of classification items is increasing due to the effect of the change in the source data S. Further, although a score is given to each classification item, even if the classification item is the same as the list 15A (“gender [male] & age [40s]”), the score is different.

ここでは、日々ソースデータＳが変更される場合の例を示したが、ソースデータＳは半日に１回更新されることもあり得る。このため、顧客推定装置１の再実行は、最初の実行時と比較してソースデータＳが変更された別の機会であればよい。 Here, an example is shown in which the source data S is changed every day, but the source data S may be updated once every half a day. Therefore, the re-execution of the customer estimation device 1 may be another opportunity in which the source data S is changed as compared with the first execution.

次に、図３を参照して、複数の日に亘り顧客推定装置１によるスコアの付与までを実行し、その結果を反映させた顧客リスト１６について説明する。 Next, with reference to FIG. 3, a customer list 16 will be described in which the customer estimation device 1 executes up to assigning a score over a plurality of days and reflects the result.

図示する顧客リスト１６は、会社Ｙが所有する顧客リストに顧客推定装置１の７日間に亘るスコアを入力して、その推移を確認することができるもの（更新版）である。会社Ｘは、顧客リスト１６（更新前）を入手し、各顧客ＩＤに日別のスコアを入力していくことで、対象顧客を推定することができる。今回、「閾値」及び、又は「加速度」で対象顧客を判定する。 The illustrated customer list 16 is a customer list owned by the company Y, in which the score of the customer estimation device 1 over 7 days can be input and the transition can be confirmed (updated version). Company X can estimate the target customer by obtaining the customer list 16 (before update) and inputting the daily score into each customer ID. This time, the target customer is determined by the "threshold value" or "acceleration".

「閾値」については、特定の期間に閾値を１回でも超えた場合（同値を含む）に「〇」を付与し、閾値を超えなかった場合に「×」を付与する。本実施形態では、閾値を「１．５」とし、特定の期間を「直近の３日間」とする。 Regarding the "threshold value", "○" is given when the threshold value is exceeded even once in a specific period (including the same value), and "x" is given when the threshold value is not exceeded. In the present embodiment, the threshold value is set to "1.5" and the specific period is set to "the latest 3 days".

また、「加速度」については、特定の期間にスコアの推移が上昇傾向にある場合に「↑（上昇）」を付与し、下降傾向にある場合に「↓（下降）」を付与し、ほとんど変化していない場合に「→（維持）」を付与する。ここでも、特定の期間を「直近の３日間」とする。 Regarding "acceleration", "↑ (up)" is given when the score is on an upward trend during a specific period, and "↓ (down)" is given when the score is on a downward trend, and most of the changes occur. If not, "→ (maintain)" is given. Here, too, the specific period is defined as the "last 3 days".

顧客ＩＤ「ＡＡＡ」は、直近３日間（３月５日〜３月７日）のスコアが「１．８」、「１．５」、「１．４」と推移しているため、「閾値」は「〇」が付与され、「加速度」は「↓（下降）」が付与されている。 The customer ID "AAA" has a "threshold value" because the scores for the last three days (March 5th to March 7th) have changed to "1.8", "1.5", and "1.4". Is given "○", and "acceleration" is given "↓ (descending)".

また、顧客ＩＤ「ＣＣＣ」は、直近３日間のスコアが「０．８」、「０．９」、「１．３」と推移しているため、「閾値」は「×」が付与され、「加速度」は「↑（上昇）」が付与されている。なお、３月１日のスコアは「３．３」と閾値を超えているが、特定の期間外であるため、「閾値」は「×」となる。 In addition, since the customer ID "CCC" has a score of "0.8", "0.9", and "1.3" for the last 3 days, "x" is given to the "threshold value". "↑ (rise)" is given to "acceleration". The score on March 1 is "3.3", which exceeds the threshold value, but since it is outside the specific period, the "threshold value" is "x".

また、顧客ＩＤ「ＦＦＦ」は、直近３日間のスコアが「１．７」、「ＮＵＬＬ」、「ＮＵＬＬ」と推移している。「ＮＵＬＬ」は、顧客推定装置１のエラー等によりスコアが得られなかった（スコア欠損）ことを意味する。この場合、「閾値」は「〇」が付与されるが、「加速度」の判定は即座に行えない。 In addition, the customer ID "FFF" has a score of "1.7", "Null", and "Null" for the last three days. "Null" means that a score could not be obtained due to an error of the customer estimation device 1 or the like (score loss). In this case, the "threshold value" is given "○", but the "acceleration" cannot be determined immediately.

このような場合、他の顧客ＩＤのスコアの推移傾向を分析して係数λを決定し、「ＮＵＬＬ」の項目を補う。これにより、「加速度」が決定される。例えば、係数λを算出するため、平均値を算出する。 In such a case, the transition tendency of the scores of other customer IDs is analyzed to determine the coefficient λ, and the item of “Null” is supplemented. As a result, the "acceleration" is determined. For example, in order to calculate the coefficient λ, the average value is calculated.

顧客リスト１６において、３月５日のスコアの平均は「１．５３」であり、３月６日のスコアの平均は「１．３６」である。このとき、λ１＝０．８９（≒１．３６／１．５３）として、顧客ＩＤ「ＦＦＦ」の３月６日のスコアを、「１．５（≒１．７λ１）」と決定することができる。 In the customer list 16, the average score on March 5 is "1.53" and the average score on March 6 is "1.36". At this time, λ 1 = 0.89 (≈1.36 / 1.53), and the score of the customer ID “FFF” on March 6 is determined to be “1.5 (≈1.7λ 1)”. be able to.

同様に、３月６日のスコアの平均は「１．３６」であり、３月７日のスコアの平均は「１．３８」である。このとき、λ２＝１．０１（≒１．３８／１．３６）として、顧客ＩＤ「ＦＦＦ」の３月７日のスコアを、「１．５（≒１．７λ１λ２）」と決定することができる。以上により、「加速度」は、ほとんど変化していない「→（維持）」を付与する。 Similarly, the average score on March 6 is "1.36" and the average score on March 7 is "1.38". At this time, λ 2 = 1.01 (≈1.38 / 1.36), and the score of the customer ID “FFF” on March 7 is set to “1.5 (≈1.7 λ 1 λ 2 )”. Can be decided. From the above, "acceleration" gives "→ (maintenance)" which has hardly changed.

「ＮＵＬＬ」の項目は、例えば、顧客全体の平均スコアが「２．０」、「１．４」、「１．６」と推移していた場合、３日間の平均スコア（≒１．７）を適用してもよい。また、前２日の平均と後２日の平均の平均値を適用してもよい。さらに、平均値に限らず、中間値を用いてもよいし、前日のスコアをそのまま用いてもよい。 For the item of "Null", for example, when the average score of all customers is "2.0", "1.4", "1.6", the average score for 3 days (≈1.7). May be applied. Further, the average value of the average of the two days before and the average of the average of the two days after may be applied. Further, not limited to the average value, an intermediate value may be used, or the score of the previous day may be used as it is.

また、スコアは第ｎ番目（ｎ≧１の自然数）まであってよく、特定の期間も適宜変更することができる。特定の期間は、連続日に限られず、一日おきでも二日おきでもよい。 Further, the score may be up to the nth (natural number of n ≧ 1), and a specific period can be changed as appropriate. The specific period is not limited to consecutive days, and may be every other day or every two days.

対象顧客の判定は、「閾値」が「〇」の顧客、又は「加速度」の推移に基づいて行うことが好ましい。例えば、「加速度」が維持以上の傾向、すなわち、「↑（上昇）」及び「→（維持）」の顧客を対象顧客とすることができる。また、上記の両条件を満たす顧客や、「閾値」が予め定めた所定回数を超えた顧客を対象顧客と判定してもよい。詳細は後述するが、日別のスコアに重み付けを行い、加重スコアによって対象顧客を決定してもよい。 The determination of the target customer is preferably performed based on the customer whose "threshold value" is "○" or the transition of "acceleration". For example, a customer whose "acceleration" tends to be more than maintenance, that is, "↑ (rise)" and "→ (maintenance)" can be targeted. Further, a customer who satisfies both of the above conditions or a customer whose "threshold value" exceeds a predetermined number of times may be determined as a target customer. Although the details will be described later, the daily score may be weighted and the target customer may be determined by the weighted score.

図４は、図３の直近３日間のスコアに重み付けを行った場合の顧客リスト１７を示している。 FIG. 4 shows a customer list 17 when the scores for the last 3 days of FIG. 3 are weighted.

顧客推定装置１において、加重スコア付与部１０は、スコア算出式を用いて、各顧客ＩＤに対して加重スコアを算出し、付与する。顧客リスト１７は、顧客リスト１６の直近３日間のスコアに基づいて作成される。 In the customer estimation device 1, the weighted score giving unit 10 calculates and gives a weighted score to each customer ID by using the score calculation formula. The customer list 17 is created based on the scores of the customer list 16 for the last three days.

加重スコア付与部１０は、直近３日前の各スコアに係数αを乗じ、直近２日前の各スコアに係数βを乗じ、直近１日前の各スコアに係数γを乗じ（ただし、α＋β＋γ＝１）、これらを合算する。例えば、顧客ＩＤ「ＡＡＡ」については、直近３日間のスコアが「１．８」、「１．５」、「１．４」であるため、スコア算出式は、「１．８α＋１．５β＋１．４γ」となる。 The weighted score giving unit 10 multiplies each score 3 days ago by a coefficient α, multiplies each score 2 days ago by a coefficient β, and multiplies each score 1 day ago by a coefficient γ (however, α + β + γ = 1). Add these up. For example, for the customer ID "AAA", the scores for the last three days are "1.8", "1.5", and "1.4", so the score calculation formula is "1.8α + 1.5β + 1.4γ". ".

指標化項目に依存するが、例えば、最も新しいスコアに対する係数γを最も大きな値とし（例えば、γ＝０．５）、係数α及び係数βは小さな値（例えば、α＝β＝０．２５）とすることが好ましい。これにより、当該指標化項目を他の２つの指標化項目の結果で補正したスコア（加重スコア）が得られる。 Depending on the indexing item, for example, the coefficient γ for the newest score is set to the largest value (for example, γ = 0.5), and the coefficient α and the coefficient β are small values (for example, α = β = 0.25). Is preferable. As a result, a score (weighted score) obtained by correcting the indexed item with the results of the other two indexed items can be obtained.

他の顧客ＩＤに対しても、直近３日間のスコアから同様に算出する。ここで、対象顧客と判定する閾値を予め決定しておくことで、対象顧客判定部８は、顧客リスト１７において、加重スコアが所定の閾値以上となった顧客ＩＤを対象顧客と判定する（判定は図示省略）。このような作業によっても、顧客推定装置１から対象顧客を推定することができる。 For other customer IDs, the same calculation is performed from the scores for the last 3 days. Here, by determining the threshold value for determining the target customer in advance, the target customer determination unit 8 determines the customer ID whose weighted score is equal to or higher than the predetermined threshold value as the target customer in the customer list 17 (determination). Is not shown). Even by such work, the target customer can be estimated from the customer estimation device 1.

最終的に対象顧客と判定された顧客に対して、指標化項目（健康食品に興味あり）に応じた商品の紹介、販売等を行うとよい。このように、顧客推定装置１を利用することで、個人情報、クッキー情報等を入手しなくても、リアルタイムの状況変化を加味しつつ、顧客のプロフィールを精度良く推測することができる。 It is advisable to introduce and sell products according to the indexed items (interested in health foods) to the customers who are finally determined to be the target customers. In this way, by using the customer estimation device 1, it is possible to accurately estimate the customer profile while taking into account real-time situation changes without obtaining personal information, cookie information, and the like.

今回、直近３日前の第１のスコア、直近２日前の第２のスコア及び直近１日前の第３のスコアがあり、第１のスコアに第１の係数（係数１）を乗じ、第２のスコアに第２の係数（係数２）を乗じ、第３のスコアに第３の係数（係数３）を乗じて、これらを合算して加重スコアとした。 This time, there is a first score 3 days ago, a 2nd score 2 days ago, and a 3rd score 1 day ago, and the 1st score is multiplied by the 1st coefficient (coefficient 1) to obtain the 2nd score. The score was multiplied by a second coefficient (coefficient 2), the third score was multiplied by a third coefficient (coefficient 3), and these were added up to obtain a weighted score.

しかしながら、スコアは第ｎ番目（ｎ≧１の自然数）まであってよく、第ｎのスコアには第ｎの係数（係数ｎ）を乗じて、同じく合算する。従って、顧客推定装置１は、目的に応じた精度の高い判定を行うことができる。 However, the score may be up to the nth (natural number with n ≧ 1), and the nth score is multiplied by the nth coefficient (coefficient n) and summed up in the same manner. Therefore, the customer estimation device 1 can make a highly accurate determination according to the purpose.

次に、図５を参照して、顧客推定装置１を利用して対象顧客の情報を取得するまでの一般的なフローチャートを説明する。 Next, with reference to FIG. 5, a general flowchart up to the acquisition of information on the target customer by using the customer estimation device 1 will be described.

まず、会社Ｙのユーザは、指標化項目を選定する（ＳＴＥＰ１０）。指標化項目は、担当者がソースデータの項目の中から選択してもよいし、会社Ｙが行う商品やサービスの提供に関することに限られず、同じ趣味を持つ人がいるかどうかといった幅広いテーマであってもよい。 First, the user of company Y selects an index item (STEP 10). The indexing item may be selected from the source data items by the person in charge, and is not limited to the provision of products and services performed by company Y, but is a wide range of themes such as whether or not there are people with the same hobby. You may.

次に、会社Ｘの担当者が指標化項目と顧客保有項目とを顧客推定装置１に入力する（ＳＴＥＰ２０）。ここで、顧客保有項目は、「性別」、「年齢（年代）」の他、「最終学歴」、「学生／社会人」、「住んでいる地域」等が挙げられ、項目数が多いほどソースデータ項目とマッチング（対応）する可能性が高くなり、推定の精度が向上する。 Next, the person in charge of the company X inputs the indexed item and the customer-owned item into the customer estimation device 1 (STEP 20). Here, the items owned by the customer include "gender", "age (age)", "final educational background", "student / worker", "area of residence", etc., and the larger the number of items, the more the source. The possibility of matching (corresponding) with the data item is increased, and the accuracy of estimation is improved.

また、必要に応じて、顧客保有項目とソースデータ項目の調整を行う。ソースデータ項目の調整とは、例えば、両項目が完全に対応していないが、類似項目がある場合に、意味合いを揃える作業を行う。 In addition, the customer-owned items and source data items are adjusted as necessary. The adjustment of source data items is, for example, the work of aligning the meanings when both items do not completely correspond to each other but there are similar items.

次に、顧客推定装置１は、機械学習により分類規則を作成する（ＳＴＥＰ３０）。これにより、指標化項目に対する分類項目（第１の分類項目）が作成される。続いて、顧客推定装置１は、当該規則に基づいて第１のスコアを集計する（ＳＴＥＰ４０）。以上が、１回目の実行である。 Next, the customer estimation device 1 creates a classification rule by machine learning (STEP30). As a result, a classification item (first classification item) for the indexed item is created. Subsequently, the customer estimation device 1 aggregates the first score based on the rule (STEP 40). The above is the first execution.

ここで、ソースデータが更新されたか否かが判定される（ＳＴＥＰ５０）。ソースデータＳが更新された場合にはＳＴＥＰ６０に進み、未だ更新されていない場合には更新されるまで待機する。 Here, it is determined whether or not the source data has been updated (STEP 50). If the source data S is updated, the process proceeds to STEP60, and if it has not been updated yet, it waits until it is updated.

次に、担当者が再び指標化項目と顧客保有項目とを顧客推定装置１に入力する（ＳＴＥＰ６０）。本ＳＴＥＰから２回目（１回目とは別機会）の実行となるが、指標化項目については１回目と同じ項目である。なお、顧客保有項目については、顧客ＤＢ２０が更新された場合、新たな顧客保有項目に変更される（第２実施形態）。 Next, the person in charge inputs the indexed item and the customer-owned item into the customer estimation device 1 again (STEP60). It will be executed for the second time (another opportunity from the first time) from this STEP, but the indexing items are the same as the first time. The customer-owned item is changed to a new customer-owned item when the customer DB 20 is updated (second embodiment).

次に、顧客推定装置１は、機械学習により分類規則を作成する（ＳＴＥＰ７０）。これにより、第２の分類項目が作成される。続いて、顧客推定装置１は、当該規則に基づいて第２のスコアを集計する（ＳＴＥＰ８０）。以上が、２回目の実行である。もちろん、ソースデータＳが更新される度に、以上の作業をｎ（ｎ≧３）回繰り返してもよい。 Next, the customer estimation device 1 creates a classification rule by machine learning (STEP 70). As a result, a second classification item is created. Subsequently, the customer estimation device 1 aggregates the second score based on the rule (STEP 80). The above is the second execution. Of course, each time the source data S is updated, the above operation may be repeated n (n ≧ 3) times.

次に、顧客推定装置１は、加重スコアを算出する（ＳＴＥＰ９０）。具体的には、第１のスコアに第１の係数（例えば、係数α）を乗じ、第２のスコアに第２の係数（例えば、係数β）を乗じ、これらを合算した加重スコアを算出する。 Next, the customer estimation device 1 calculates the weighted score (STEP 90). Specifically, the first score is multiplied by the first coefficient (for example, the coefficient α), the second score is multiplied by the second coefficient (for example, the coefficient β), and the weighted score is calculated by summing these. ..

最後に、顧客推定装置１は、対象顧客の判定を行う（ＳＴＥＰ１００）。対象顧客の判定は、顧客ＩＤに付与したスコア又は加重スコアが予め定めた「閾値」を超えたこと、「加速度」が維持以上の傾向であること等を条件とすればよい。なお、加重スコアを判定に使用しない場合には、上記ＳＴＥＰ９０はスキップしてよい。以上で、顧客推定装置１による一連の処理を終了する。 Finally, the customer estimation device 1 determines the target customer (STEP100). The determination of the target customer may be made on the condition that the score given to the customer ID or the weighted score exceeds a predetermined "threshold value", the "acceleration" tends to be more than maintained, and the like. If the weighted score is not used for the determination, the STEP 90 may be skipped. This completes a series of processes by the customer estimation device 1.

その後、会社Ｘの担当者は、会社Ｙに更新版の顧客リスト１６を送付する。会社Ｙは、判定された対象顧客に対してサプリメントのＤＭ配信等を行うとよい。顧客推定装置１は、取扱いが難しい個人情報、クッキー情報等を入手しなくても、リアルタイムの状況変化を加味しつつ、顧客のプロフィールを精度良く推測することができる点で有益である。 After that, the person in charge of company X sends the updated version of the customer list 16 to company Y. Company Y may perform DM distribution of supplements to the determined target customers. The customer estimation device 1 is advantageous in that it can accurately estimate the customer profile while taking into account real-time situation changes without obtaining personal information, cookie information, etc., which are difficult to handle.

［第２実施形態］
次に、図６、図７を参照して、本発明の第２実施形態の顧客推定装置１の利用方法について説明する。 [Second Embodiment]
Next, a method of using the customer estimation device 1 according to the second embodiment of the present invention will be described with reference to FIGS. 6 and 7.

上述の第１実施形態では、ソースデータＳが更新されたとき指標化項目に対する分類項目を改めて作成し、スコアを付与する態様であった。しかしながら、同日の実行（同じソースデータＳを使用）であっても、顧客ＤＢ２０が更新され顧客保有項目のデータが変更されれば、異なる結果が得られると予想される。 In the above-described first embodiment, when the source data S is updated, the classification items for the indexed items are recreated and a score is given. However, even if the execution is performed on the same day (using the same source data S), it is expected that different results will be obtained if the customer DB 20 is updated and the data of the customer-owned items is changed.

図６は、２０２０年３月８日に、顧客推定装置１が顧客保有項目から作成した分類項目（一覧表１５Ｃ）を示している。顧客推定装置１は、指標化項目（具体的には、健康食品への関心度合）に対して、上述の分類項目作成部５（機械学習モデルが有する規則）により顧客保有項目を分類していく。 FIG. 6 shows a classification item (list 15C) created by the customer estimation device 1 from the customer-owned items on March 8, 2020. The customer estimation device 1 classifies customer-owned items according to the above-mentioned classification item creation unit 5 (rules possessed by the machine learning model) for indexed items (specifically, the degree of interest in health foods). ..

この作業により、分類項目の１番目の「性別［男性］＆年代［６０代以上］」、分類項目の２番目の「性別［男性］＆年代［５０代］」、分類項目の３番目の「性別［男性］＆年代［４０代］」、分類項目の４番目の「性別［男性］＆年代［１０〜３０代］」、分類項目の５番目の「性別［女性］＆年代［４０代以上］」、及び分類項目の６番目の「性別［女性］＆年代［１０〜３０代］」の６項目が作成される。 By this work, the first category item "Gender [male] & age [60s and over]", the second category item "Gender [male] & age [50s]", and the third category item "Gender [male] & age [50s]" Gender [male] & age [40s] ", 4th category item" gender [male] & age [10-30s] ", 5th category item" gender [female] & age [40s and over] ] ”, And the sixth category item,“ Gender [female] & age [10 to 30s] ”are created.

また、顧客推定装置１のスコア付与部６は、各分類項目に対してスコアを付与する。このスコアは、顧客全体を対象とした基準値を算出してこれを１としたとき、当該基準値に対する各分類項目の数値から算出する（相対評価）。 Further, the score giving unit 6 of the customer estimation device 1 assigns a score to each classification item. This score is calculated from the numerical value of each classification item with respect to the reference value when the reference value for the entire customer is calculated and this is set to 1 (relative evaluation).

第２実施形態では、顧客推定装置１による分類項目の作成は初回（３月８日）のみとなるが、顧客ＤＢ２０が更新されると、特別スコア付与部１２（本発明の「特別スコア付与手段」）が新たなスコアを付与する。例えば、顧客ＤＢ２０が更新され、顧客保有項目「年齢」について、データ（実際の数値）が変更されたとき、該当する顧客のスコアが変化する。 In the second embodiment, the classification item is created by the customer estimation device 1 only for the first time (March 8), but when the customer DB 20 is updated, the special score giving unit 12 (“special score giving means” of the present invention). ") Gives a new score. For example, when the customer DB 20 is updated and the data (actual numerical value) of the customer-owned item "age" is changed, the score of the corresponding customer changes.

図７は、第２実施形態の顧客推定装置１によるスコアの付与を実行した結果を各顧客に反映させた顧客リスト１８を示している。 FIG. 7 shows a customer list 18 in which the result of executing the score assignment by the customer estimation device 1 of the second embodiment is reflected in each customer.

顧客リスト１８は、会社Ｙが所有する顧客リストに顧客推定装置１の初回（３月８日）のスコアが入力したものであるが、その後（３月１３日）のスコアは、顧客ＤＢ２０の更新に伴って、特別スコア付与部１２が付与したスコアである。 In the customer list 18, the score of the first time (March 8) of the customer estimation device 1 is input to the customer list owned by the company Y, but the score after that (March 13) is updated in the customer DB 20. This is the score given by the special score giving unit 12 in accordance with the above.

例えば、３９歳の男性（顧客ＩＤ「ＤＤＤ」）が３月９日に誕生日を迎え、４０歳になったとする。３月８日の時点では、一覧表１５Ｃ（図６参照）の分類項目「性別［男性］＆年代［１０〜３０代］」に属するため、スコアは「０．９」である。 For example, suppose a 39-year-old man (customer ID "DDD") celebrates his birthday on March 9 and turns 40. As of March 8, the score is "0.9" because it belongs to the classification item "Gender [male] & age [10 to 30s]" in the list 15C (see FIG. 6).

そして、この男性は、３月９日に４０歳となるため、３月１３日の時点において、一覧表１５Ｃの分類項目「性別［男性］＆年代［４０代］」に属することになる。従って、スコアは「１．２」に変更される。 Since this man will be 40 years old on March 9, he will belong to the classification item "Gender [male] & age [40s]" in List 15C as of March 13. Therefore, the score is changed to "1.2".

一方、顧客ＩＤ「ＡＡＡ」については、３月８日と３月１３日の間の期間において、上述したような条件（年齢の変化）を満たしていないとする。この場合、顧客ＩＤ「ＡＡＡ」の３月８日のスコアは「１．５」であるが、３月１３日のスコアとして、同じ値の「１．５」が付与される。 On the other hand, it is assumed that the customer ID "AAA" does not satisfy the above-mentioned conditions (change in age) during the period between March 8 and March 13. In this case, the score of the customer ID "AAA" on March 8 is "1.5", but the same value "1.5" is given as the score on March 13.

この結果に基づいて、第１実施形態と同様に「閾値」、「加速度」又は「加重スコア」が得られるので、対象顧客を判定することができる。「閾値」及び「加重スコア」については、対象顧客と判定する閾値以上を対象顧客とすればよいし、「加速度」については、その推移に基づいて、例えば、「↑（上昇）」のみを対象顧客とすればよい。 Based on this result, the "threshold value", "acceleration" or "weighted score" can be obtained as in the first embodiment, so that the target customer can be determined. For the "threshold" and "weighted score", the target customer may be equal to or higher than the threshold for determining the target customer, and for the "acceleration", for example, only "↑ (rise)" is targeted based on the transition. It can be a customer.

また、第１実施形態のソースデータＳと第２実施形態の顧客ＤＢ２０とが、両方とも更新される場合も考えられる。この場合、顧客ＩＤの日別（別機会）のスコアが複雑に推移する可能性がある。 Further, it is conceivable that both the source data S of the first embodiment and the customer DB 20 of the second embodiment are updated. In this case, the daily (different opportunity) score of the customer ID may change in a complicated manner.

［第３実施形態］
最後に、図８を参照して、本発明の第３実施形態の顧客推定装置１の利用方法について説明する。以下では、ソースデータＳと顧客ＤＢ２０の両方が更新された場合のスコアの推移を説明する。 [Third Embodiment]
Finally, with reference to FIG. 8, a method of using the customer estimation device 1 according to the third embodiment of the present invention will be described. Hereinafter, the transition of the score when both the source data S and the customer DB 20 are updated will be described.

まず、図８の顧客リスト２０Ａは、２０２０年３月１日時点での顧客ＤＢ２０の顧客リストを示している。ユーザは、同日に顧客リスト２０Ａのデータからなる顧客保有項目及び指標化項目（具体的には、健康食品への関心度合）を入力して、顧客推定装置１を実行する。これにより、分類項目作成部５によって、分類項目が作成される。 First, the customer list 20A in FIG. 8 shows the customer list of the customer DB 20 as of March 1, 2020. On the same day, the user inputs the customer possession item and the index item (specifically, the degree of interest in health food) composed of the data of the customer list 20A, and executes the customer estimation device 1. As a result, the classification item creation unit 5 creates the classification item.

具体的には、分類項目の１番目の「男性 ５０代以上」、分類項目の２番目の「男性 ４０代」、分類項目の３番目の「男性 １０〜３０代」、及び分類項目の４番目の「女性（年代不問）」の４項目が作成される。 Specifically, the first category item is "male in their 50s or older", the second category item is "male in their 40s", the third category item is "male in their 10s to 30s", and the fourth category item is. 4 items of "Women (regardless of age)" are created.

その後、スコア付与部６によって各分類項目にスコアが付与され、一覧表２５Ａが得られる。さらに、顧客リスト２１Ａは、当該スコアを各顧客に反映させたものである。ここで、顧客ＩＤ「ＡＡＡ」、「ＢＢＢ」は何れも男性５０代であるため、「２．２」のスコアが付与され、顧客ＩＤ「ＣＣＣ」は男性４０代であるため、「１．８」のスコアが付与される。 After that, a score is given to each classification item by the score giving unit 6, and a list 25A is obtained. Further, the customer list 21A reflects the score to each customer. Here, since the customer IDs "AAA" and "BBB" are both males in their 50s, a score of "2.2" is given, and since the customer ID "CCC" is males in their 40s, "1.8". Score is given.

次に、翌日の２０２０年３月２日に、改めて顧客推定装置１を実行したとする。なお、２０２０年３月２日は、前日と比較してソースデータＳと顧客ＤＢ２０の両方が更新されている。 Next, it is assumed that the customer estimation device 1 is executed again on March 2, 2020, the next day. On March 2, 2020, both the source data S and the customer DB 20 have been updated as compared with the previous day.

顧客リスト２０Ｂは、２０２０年３月２日時点での顧客ＤＢ２０の顧客リストを示している。図示するように、顧客ＩＤ「ＡＡＡ」は、この日に誕生日を迎え、「年齢」が「６０」になり、「年代」も「６０代」に変更されている。 The customer list 20B shows the customer list of the customer DB 20 as of March 2, 2020. As shown in the figure, the customer ID "AAA" celebrates his birthday on this day, the "age" is changed to "60", and the "age" is also changed to "60s".

ユーザは、同日に顧客リスト２０Ｂのデータからなる顧客保有項目及び指標化項目を入力して顧客推定装置１を実行する。これにより、分類項目作成部５によって、分類項目が作成される。 On the same day, the user inputs the customer possession item and the indexing item composed of the data of the customer list 20B, and executes the customer estimation device 1. As a result, the classification item creation unit 5 creates the classification item.

具体的には、分類項目の１番目の「男性 ６０代」、分類項目の２番目の「男性 ５０代」、分類項目の３番目の「男性 ４０代」、分類項目の４番目の「男性 ２０〜３０代」、分類項目の５番目の「男女 １０代」、及び分類項目の６番目の「女性 ２０代以上」の６項目が作成される。 Specifically, the first category item "male 60s", the second category item "male 50s", the third category item "male 40s", and the fourth category item "male 20s". Six items are created: "~ 30s", the fifth category "male and female teens", and the sixth category "female 20s and over".

その後、スコア付与部６によって各分類項目にスコアが付与され、一覧表２５Ｂが得られる。さらに、顧客リスト２１Ｂは、スコアを各顧客に反映させたものである。ここで、顧客ＩＤ「ＡＡＡ」は男性６０代になったため、「２．４」のスコアが付与される。また、顧客ＩＤ「ＢＢＢ」は男性５０代であるため、「２．０」のスコアが付与され、顧客ＩＤ「ＣＣＣ」は男性４０代であるため、「１．７」のスコアが付与される。 After that, a score is given to each classification item by the score giving unit 6, and a list 25B is obtained. Further, the customer list 21B reflects the score to each customer. Here, since the customer ID "AAA" is in his 60s, a score of "2.4" is given. Further, since the customer ID "BBB" is a male in his 50s, a score of "2.0" is given, and since the customer ID "CCC" is a male in his 40s, a score of "1.7" is given. ..

３月１日と３月２日との間の顧客ＩＤ「ＢＢＢ」のスコア変化（２．２→２．０）は、ソースデータＳの更新によって生じたものである。また、この間の顧客ＩＤ「ＡＡＡ」のスコア変化（２．２→２．４）は、ソースデータＳ及び顧客ＤＢ２０の両方の更新が影響して生じたものである。今回、２日間のスコアの変化を示したが、さらに長期間に亘ってスコアの推移を調べることで、その傾向から対象顧客を推定することができる。 The score change (2.2 → 2.0) of the customer ID “BBB” between March 1st and March 2nd is caused by the update of the source data S. Further, the score change (2.2 → 2.4) of the customer ID “AAA” during this period is caused by the update of both the source data S and the customer DB 20. This time, the change in the score for two days is shown, but by examining the transition of the score over a longer period of time, the target customer can be estimated from the tendency.

第３実施形態においても、１日のうちのソースデータＳ及び顧客ＤＢ２０の更新の前後で顧客推定装置１を実行してもよい。この場合にも、当該更新の影響でスコアが変化するため、日別の実行には限られない。 Also in the third embodiment, the customer estimation device 1 may be executed before and after the update of the source data S and the customer DB 20 in one day. In this case as well, the score changes due to the effect of the update, so the execution is not limited to daily execution.

上述した実施形態における一覧表の内容、スコアの算出方法等は一例に過ぎず、用途、目的等に応じて適宜変更することができる。 The contents of the list, the score calculation method, and the like in the above-described embodiment are merely examples, and can be appropriately changed according to the intended use, purpose, and the like.

図３、図４の例では、「特定の期間」を３日間として、その間の「閾値」や「加速度」で対象顧客を判定したが、これに限られない。「特定の期間」は、指標化項目の内容等に応じて変更可能である。 In the examples of FIGS. 3 and 4, the target customer is determined based on the "threshold value" and "acceleration" during which the "specific period" is set to 3 days, but the present invention is not limited to this. The "specific period" can be changed according to the content of the indexed items.

１…顧客推定装置、２…指標化項目取得部、３…顧客保有項目取得部、４…項目対応部、５…分類項目作成部（機械学習モデル）、６…スコア付与部、８…対象顧客判定部、１０…加重スコア付与部、１２…特別スコア付与部、１５，１５Ａ〜１５Ｃ，２５Ａ，２５Ｂ…一覧表、１６〜１８，２０Ａ，２０Ｂ，２１Ａ，２１Ｂ…顧客リスト、２０…顧客ＤＢ。 1 ... Customer estimation device, 2 ... Indexed item acquisition unit, 3 ... Customer owned item acquisition unit, 4 ... Item correspondence unit, 5 ... Classification item creation unit (machine learning model), 6 ... Score giving unit, 8 ... Target customer Judgment unit, 10 ... Weighted score giving unit, 12 ... Special score giving unit, 15, 15A to 15C, 25A, 25B ... List, 16 to 18, 20A, 20B, 21A, 21B ... Customer list, 20 ... Customer DB.

第１発明の顧客推定装置は、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得され、当該その者の少なくとも属性、価値観、嗜好、消費行動、行動パターンの何れかが反映されたソースデータのソースデータ項目とを対応させる項目対応手段と、前記顧客保有項目と対応する前記ソースデータ項目を入力データとして機械学習させた機械学習モデルと、指標化すべき指標化項目の内容に応じて、第１の前記機械学習モデルを用いて前記顧客保有項目を分類し、第１の分類項目を作成する第１の分類項目作成手段と、前記第１の分類項目作成手段が作成した前記第１の分類項目に、前記第１の機械学習モデルを用いて所定の規則に基づいて第１のスコアを付与する第１のスコア付与手段と、前記第１の分類項目の作成とは別機会に、前記ソースデータの更新に伴い、第２の前記機械学習モデルを用いて前記顧客保有項目を分類し、第２の分類項目を作成する第２の分類項目作成手段と、前記第２の分類項目作成手段が作成した前記第２の分類項目に、前記第２の機械学習モデルを用いて前記所定の規則に基づいて第２のスコアを付与する第２のスコア付与手段と、を備えることを特徴とする。 The customer estimation device of the first invention is obtained from the customer-owned items owned by the customer and the survey conducted on a specific or unspecified person or the history information of the person, and at least the attributes, values, and the values of the person. Item correspondence means for associating source data items of source data reflecting any of taste, consumption behavior, and behavior pattern, and machine learning with the source data items corresponding to the customer-owned items as input data. A first classification item creation means for classifying the customer-owned items using the first machine learning model and creating a first classification item according to the model and the contents of the indexing items to be indexed. A first scoring means for imparting a first score to the first classification item created by the first classification item creating means based on a predetermined rule using the first machine learning model. At a different opportunity from the creation of the first classification item , the customer-owned items are classified using the second machine learning model with the update of the source data, and the second classification item is created. And the second classification item created by the second classification item creation means are given a second score based on the predetermined rule by using the second machine learning model. It is characterized by comprising a second scoring means.

第１発明の顧客推定装置において、第ｎ（ｎ≧２の自然数）の分類項目の作成とは別機会に、前記ソースデータの更新に伴い、第（ｎ＋１）の前記機械学習モデルを用いて前記顧客保有項目を分類し、第（ｎ＋１）の分類項目を作成する第（ｎ＋１）の分類項目作成手段と、前記第（ｎ＋１）の分類項目作成手段が作成した前記第（ｎ＋１）の分類項目に、前記第（ｎ＋１）の機械学習モデルを用いて前記所定の規則に基づいて第（ｎ＋１）のスコアを付与する第（ｎ＋１）のスコア付与手段と、を備えることを特徴とする。 In the customer estimation device of the first invention, the machine learning model of the (n + 1) th (n + 1) is used in accordance with the update of the source data at a different opportunity from the creation of the classification item of the nth (natural number of n ≧ 2). The first (n + 1) classification item creating means for classifying customer-owned items and creating the (n + 1) th classification item and the first (n + 1) classification item created by the first (n + 1) classification item creating means. , A first (n + 1) scoring means for assigning a (n + 1) th score based on the predetermined rule using the first (n + 1) machine learning model.

第２発明の顧客推定方法は、機械学習モデルを備えるコンピュータを用いて、商品又はサービスに興味のある対象顧客を推定する顧客推定方法であって、前記コンピュータのデータ処理部が、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得され、当該その者の少なくとも属性、価値観、嗜好、消費行動、行動パターンの何れかが反映されたソースデータのソースデータ項目とを対応させる項目対応ステップと、前記顧客保有項目と対応する前記ソースデータ項目を入力データとして機械学習させ、機械学習モデルを作成する機械学習モデル作成ステップと、前記データ処理部が、指標化すべき指標化項目の内容に応じて、第１の前記機械学習モデルを用いて前記顧客保有項目を分類し、第１の分類項目を作成する第１の分類項目作成ステップと、前記データ処理部が、前記第１の分類項目作成ステップで作成された前記第１の分類項目に、前記第１の機械学習モデルを用いて所定の規則に基づいて第１のスコアを付与する第１のスコア付与ステップと、前記データ処理部が、前記第１の分類項目の作成とは別機会に、前記ソースデータの更新に伴い、第２の前記機械学習モデルを用いて前記顧客保有項目を分類し、第２の分類項目を作成する第２の分類項目作成ステップと、前記データ処理部が、前記第２の分類項目作成ステップで作成された前記第２の分類項目に、前記第２の機械学習モデルを用いて所定の規則に基づいて第２のスコアを付与する第２のスコア付与ステップと、を備えることを特徴とする。 The customer estimation method of the second invention is a customer estimation method for estimating a target customer who is interested in a product or service by using a computer provided with a machine learning model, and the data processing unit of the computer owns the customer. Obtained from customer-owned items and surveys conducted on specific or unspecified persons or historical information of that person, and reflects at least any of that person's attributes, values, preferences, consumption behavior, or behavior patterns. An item correspondence step that associates the source data item of the source data with the data, a machine learning model creation step that creates a machine learning model by machine learning the source data item corresponding to the customer-owned item as input data, and the data. With the first classification item creation step in which the processing unit classifies the customer-owned items using the first machine learning model according to the contents of the indexing items to be indexed and creates the first classification item. , The data processing unit assigns a first score to the first classification item created in the first classification item creation step based on a predetermined rule using the first machine learning model. The customer-owned item using the second machine learning model with the update of the source data at a time when the first score giving step and the data processing unit create the first classification item. The second classification item is added to the second classification item creation step for classifying and creating the second classification item, and the second classification item created by the data processing unit in the second classification item creation step . It is characterized by comprising a second scoring step of assigning a second score based on a predetermined rule using the machine learning model of.

第３発明の顧客推定装置は、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得され、当該その者の少なくとも属性、価値観、嗜好、消費行動、行動パターンの何れかが反映されたソースデータのソースデータ項目とを対応させる項目対応手段と、指標化すべき指標化項目の内容に応じて、前記機械学習モデルを用いて前記顧客保有項目を分類し、分類項目を作成する分類項目作成手段と、前記分類項目作成手段が作成した前記分類項目に、第１の前記機械学習モデルを用いて所定の規則に基づいて第１のスコアを付与する第１のスコア付与手段と、前記分類項目に前記第１のスコアが付与された後、前記第１の機械学習モデルを用いて所定条件を満たす前記顧客に新たなスコアを付与する特別スコア付与手段と、を備えることを特徴とする。 The customer estimation device of the third invention is obtained from the customer-owned items owned by the customer, the survey conducted on the specified or unspecified person, or the history information of the person, and at least the attributes, values, and the values of the person. The customer uses the machine learning model according to the item corresponding means for associating the source data item of the source data reflecting any of the preference, the consumption behavior, and the behavior pattern with the source data item and the content of the indexed item to be indexed. A first score based on a predetermined rule using the first machine learning model for the classification item creation means for classifying possessed items and creating the classification item and the classification item created by the classification item creation means. A first scoring means for imparting a new score, and a special method for assigning a new score to the customer who satisfies a predetermined condition by using the first machine learning model after the first score is assigned to the classification item. It is characterized by providing a scoring means.

第４発明の顧客推定方法は、機械学習モデルを備えるコンピュータを用いて、商品又はサービスに興味のある対象顧客を推定する顧客推定方法であって、前記コンピュータのデータ処理部が、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得され、当該その者の少なくとも属性、価値観、嗜好、消費行動、行動パターンの何れかが反映されたソースデータのソースデータ項目とを対応させる項目対応ステップと、前記顧客保有項目と対応する前記ソースデータ項目を入力データとして機械学習させ、機械学習モデルを作成する機械学習モデル作成ステップと、前記データ処理部が、指標化すべき指標化項目の内容に応じて、前記機械学習モデルを用いて前記顧客保有項目を分類し、分類項目を作成する分類項目作成ステップと、前記データ処理部が、前記分類項目作成ステップで作成された前記分類項目に、前記機械学習モデルを用いて所定の規則に基づいて第１のスコアを付与する第１のスコア付与ステップと、前記データ処理部が、前記分類項目に前記第１のスコアが付与された後、所定条件を満たす前記顧客に新たなスコアを付与する特別スコア付与ステップと、を備えることを特徴とする。 The customer estimation method of the fourth invention is a customer estimation method for estimating a target customer who is interested in a product or service by using a computer provided with a machine learning model, and the data processing unit of the computer owns the customer. Obtained from customer-owned items and surveys conducted on specific or unspecified persons or historical information of that person, and reflects at least any of the attributes, values, preferences, consumption behavior, or behavior patterns of that person. An item correspondence step that associates the source data item of the source data with the data, a machine learning model creation step that creates a machine learning model by machine learning the source data item corresponding to the customer-owned item as input data, and the data. processor, in response to the contents of the indexed items to be indexed, the classifying the customer ownership items using a machine learning model, a classification item creation step of creating a classification item, said data processing unit, the classification The first score giving step of giving a first score to the classification item created in the item creation step based on a predetermined rule using the machine learning model, and the data processing unit add the classification item to the classification item. After the first score is given, a special score giving step of giving a new score to the customer who satisfies a predetermined condition is provided.

第１発明の顧客推定装置は、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得され、当該その者の少なくとも属性、価値観、嗜好、消費行動、行動パターンの何れかが反映されたソースデータのソースデータ項目とを対応させる項目対応手段と、前記顧客保有項目と対応する前記ソースデータ項目を入力データとして機械学習させた機械学習モデルと、指標化すべき指標化項目の内容に応じて、第１の前記機械学習モデルを用いて将来的に需要がある対象顧客の推定に必要な要素となる前記顧客保有項目を分類し、第１の分類項目を作成する第１の分類項目作成手段と、前記第１の分類項目作成手段が作成した前記第１の分類項目に、前記第１の機械学習モデルを用いて所定の規則に基づいて第１のスコアを付与する第１のスコア付与手段と、前記第１の分類項目の作成とは別機会に、前記ソースデータの更新に伴い更新された第２の前記機械学習モデルを用いて前記対象顧客の推定に必要な要素となる前記顧客保有項目を分類し、第２の分類項目を作成する第２の分類項目作成手段と、前記第２の分類項目作成手段が作成した前記第２の分類項目に、前記第２の機械学習モデルを用いて前記所定の規則に基づいて第２のスコアを付与する第２のスコア付与手段と、を備えることを特徴とする。 The customer estimation device of the first invention is obtained from the customer-owned items owned by the customer and the survey conducted on a specific or unspecified person or the history information of the person, and at least the attributes, values, and the values of the person. Item correspondence means for associating source data items of source data reflecting any of taste, consumption behavior, and behavior pattern, and machine learning with the source data items corresponding to the customer-owned items as input data. According to the model and the content of the indexed item to be indexed, the customer-owned item, which is an element necessary for estimating the target customer who will be in demand in the future, is classified using the first machine learning model. The first classification item creation means for creating one classification item and the first classification item created by the first classification item creation means are based on a predetermined rule using the first machine learning model. Te a first score assigning means for assigning a first score to the first category of creating an opportunity another, using the second of the machine learning model that is updated with the updating of the source data A second classification item creation means for classifying the customer-owned items, which is an element necessary for estimating the target customer, and creating a second classification item, and the second classification item creation means created by the second classification item creation means. The classification item is provided with a second scoring means for assigning a second score based on the predetermined rule using the second machine learning model.

第２発明の顧客推定方法は、機械学習モデルを備えるコンピュータを用いて、商品又はサービスに興味のある対象顧客を推定する顧客推定方法であって、前記コンピュータのデータ処理部が、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得され、当該その者の少なくとも属性、価値観、嗜好、消費行動、行動パターンの何れかが反映されたソースデータのソースデータ項目とを対応させる項目対応ステップと、前記顧客保有項目と対応する前記ソースデータ項目を入力データとして機械学習させ、機械学習モデルを作成する機械学習モデル作成ステップと、前記データ処理部が、指標化すべき指標化項目の内容に応じて、第１の前記機械学習モデルを用いて将来的に需要がある対象顧客の推定に必要な要素となる前記顧客保有項目を分類し、第１の分類項目を作成する第１の分類項目作成ステップと、前記データ処理部が、前記第１の分類項目作成ステップで作成された前記第１の分類項目に、前記第１の機械学習モデルを用いて所定の規則に基づいて第１のスコアを付与する第１のスコア付与ステップと、前記データ処理部が、前記第１の分類項目の作成とは別機会に、前記ソースデータの更新に伴い、第２の前記機械学習モデルを用いて前記対象顧客の推定に必要な要素となる前記顧客保有項目を分類し、第２の分類項目を作成する第２の分類項目作成ステップと、前記データ処理部が、前記第２の分類項目作成ステップで作成された前記第２の分類項目に、前記第２の機械学習モデルを用いて前記所定の規則に基づいて第２のスコアを付与する第２のスコア付与ステップと、を備えることを特徴とする。 The customer estimation method of the second invention is a customer estimation method for estimating a target customer who is interested in a product or service by using a computer provided with a machine learning model, and the data processing unit of the computer owns the customer. Obtained from customer-owned items and surveys conducted on specific or unspecified persons or historical information of that person, and reflects at least any of that person's attributes, values, preferences, consumption behavior, or behavior patterns. An item correspondence step that associates the source data item of the source data with the data, a machine learning model creation step that creates a machine learning model by machine learning the source data item corresponding to the customer-owned item as input data, and the data. The processing unit classifies the customer-owned items, which are necessary elements for estimating the target customers who will be in demand in the future, using the first machine learning model according to the contents of the indexed items to be indexed. The first classification item creation step for creating the first classification item, and the first classification item created by the data processing unit in the first classification item creation step, the first machine learning model. In the first scoring step of assigning a first score based on a predetermined rule using the above, and the data processing unit updates the source data at a separate opportunity from the creation of the first classification item. Along with this, a second classification item creation step of classifying the customer-owned items, which are elements necessary for estimating the target customer using the second machine learning model, and creating a second classification item, and the data. the second processing unit, to impart the second classification item creation the second classification items created in step, the second score based on the predetermined rule using the second machine learning models It is characterized by having a score giving step of.

第３発明の顧客推定装置は、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得され、当該その者の少なくとも属性、価値観、嗜好、消費行動、行動パターンの何れかが反映されたソースデータのソースデータ項目とを対応させる項目対応手段と、前記顧客保有項目と対応する前記ソースデータ項目を入力データとして機械学習させた機械学習モデルと、指標化すべき指標化項目の内容に応じて、前記機械学習モデルを用いて将来的に需要がある対象顧客の推定に必要な要素となる前記顧客保有項目を分類し、分類項目を作成する分類項目作成手段と、前記分類項目作成手段が作成した前記分類項目に、前記機械学習モデルを用いて所定の規則に基づいて第１のスコアを付与する第１のスコア付与手段と、前記分類項目に前記第１のスコアが付与された後、前記機械学習モデルが所定条件を満たすと判断した顧客に限り、前記機械学習モデルを用いて前記所定の規則に基づいて前記顧客に新たなスコアを付与する特別スコア付与手段と、を備えることを特徴とする。 The customer estimation device of the third invention is obtained from the customer-owned items owned by the customer, the survey conducted on the specified or unspecified person, or the history information of the person, and at least the attributes, values, and the values of the person. Item correspondence means for associating a source data item of source data reflecting any of preference, consumption behavior, and behavior pattern, and machine learning with the source data item corresponding to the customer-owned item as input data. According to the model and the content of the indexed item to be indexed, the customer-owned item, which is an element necessary for estimating the target customer who will be in demand in the future, is classified using the machine learning model, and the classified item is created. a classification item creation means for, in the classification item of which classification items producing means, a first score assigning means for assigning a first score based on a predetermined rule by using a pre-Symbol machinery learning model, after the first score is assigned to the category, only customers prior SL machine learning models is determined that the predetermined condition is satisfied, new to the customer on the basis of the predetermined rule by using the machine learning model It is characterized in that it is provided with a special score giving means for giving a good score.

第４発明の顧客推定方法は、機械学習モデルを備えるコンピュータを用いて、商品又はサービスに興味のある対象顧客を推定する顧客推定方法であって、前記コンピュータのデータ処理部が、顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得され、当該その者の少なくとも属性、価値観、嗜好、消費行動、行動パターンの何れかが反映されたソースデータのソースデータ項目とを対応させる項目対応ステップと、前記顧客保有項目と対応する前記ソースデータ項目を入力データとして機械学習させ、機械学習モデルを作成する機械学習モデル作成ステップと、前記データ処理部が、指標化すべき指標化項目の内容に応じて、前記機械学習モデルを用いて将来的に需要がある対象顧客の推定に必要な要素となる前記顧客保有項目を分類し、分類項目を作成する分類項目作成ステップと、前記データ処理部が、前記分類項目作成ステップで作成された前記分類項目に、前記機械学習モデルを用いて所定の規則に基づいて第１のスコアを付与する第１のスコア付与ステップと、前記データ処理部が、前記分類項目に前記第１のスコアが付与された後、前記機械学習モデルが所定条件を満たすと判断した顧客に限り、前記機械学習モデルを用いて前記所定の規則に基づいて前記顧客に新たなスコアを付与する特別スコア付与ステップと、を備えることを特徴とする。 The customer estimation method of the fourth invention is a customer estimation method for estimating a target customer who is interested in a product or service by using a computer provided with a machine learning model, and the data processing unit of the computer owns the customer. Obtained from customer-owned items and surveys conducted on specific or unspecified persons or historical information of that person, and reflects at least any of that person's attributes, values, preferences, consumption behavior, or behavior patterns. An item correspondence step that associates the source data item of the source data with the data, a machine learning model creation step that creates a machine learning model by machine learning the source data item corresponding to the customer-owned item as input data, and the data. The processing unit classifies the customer-owned items, which are necessary elements for estimating the target customers who will be in demand in the future, using the machine learning model according to the contents of the indexed items to be indexed, and classifies the classified items. A first, in which the classification item creation step to be created and the data processing unit assign a first score to the classification item created in the classification item creation step based on a predetermined rule using the machine learning model. And the data processing unit uses the machine learning model only for customers who determine that the machine learning model satisfies a predetermined condition after the first score is given to the classification item. It is characterized by comprising a special score giving step of giving a new score to the customer based on the predetermined rule.

Claims (10)

顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得したソースデータのソースデータ項目とを対応させる項目対応手段と、
指標化すべき指標化項目の内容に応じて前記顧客保有項目を分類し、第１の分類項目を作成する第１の分類項目作成手段と、
前記第１の分類項目作成手段が作成した前記第１の分類項目に、所定の規則に基づいて第１のスコアを付与する第１のスコア付与手段と、
前記第１の分類項目の作成とは別機会に、前記ソースデータの更新に伴い前記顧客保有項目を分類し、第２の分類項目を作成する第２の分類項目作成手段と、
前記第２の分類項目作成手段が作成した前記第２の分類項目に、前記所定の規則に基づいて第２のスコアを付与する第２のスコア付与手段と、
を備えることを特徴とする顧客推定装置。 Item correspondence means for associating a customer-owned item owned by a customer with a source data item of source data obtained from a survey conducted on a specific or unspecified person or the history information of that person.
The first classification item creation means for classifying the customer-owned items according to the contents of the indexing items to be indexed and creating the first classification item, and
A first scoring means for giving a first score to the first classification item created by the first classification item creating means based on a predetermined rule, and
On a separate occasion from the creation of the first classification item, the second classification item creation means for classifying the customer-owned items and creating the second classification item with the update of the source data, and
A second scoring means for imparting a second score to the second classification item created by the second classification item creating means based on the predetermined rule, and
A customer estimation device characterized by comprising. 第ｎ（ｎ≧２の自然数）の分類項目の作成とは別機会に、前記ソースデータの更新に伴い前記顧客保有項目を分類し、第（ｎ＋１）の分類項目を作成する第（ｎ＋１）の分類項目作成手段と、
前記第（ｎ＋１）の分類項目作成手段が作成した前記第（ｎ＋１）の分類項目に、前記所定の規則に基づいて第（ｎ＋１）のスコアを付与する第（ｎ＋１）のスコア付与手段と、
を備えることを特徴とする請求項１に記載の顧客推定装置。 On a separate occasion from the creation of the nth (n ≧ 2 natural number) classification item, the customer-owned item is classified according to the update of the source data, and the (n + 1) th (n + 1) classification item is created. Classification item creation means and
A first (n + 1) scoring means for assigning a (n + 1) th score to the first (n + 1) classification item created by the first (n + 1) classification item creating means based on the predetermined rule.
The customer estimation device according to claim 1, further comprising. 対象顧客と判定するための前記スコアの閾値を設定し、
前記第１のスコアから前記第（ｎ＋１）のスコアを前記顧客のそれぞれに付与し、当該スコアが特定の期間に前記閾値を超えた回数に基づいて、当該顧客を対象顧客と判定する第１の対象顧客判定手段を備えることを特徴とする請求項２に記載の顧客推定装置。 Set the threshold value of the score to determine the target customer,
A first score in which the first (n + 1) score is given to each of the customers from the first score, and the customer is determined as a target customer based on the number of times the score exceeds the threshold value in a specific period. The customer estimation device according to claim 2, further comprising a target customer determination means. 前記第１のスコアから前記第（ｎ＋１）のスコアを前記顧客のそれぞれに付与し、特定の期間における前記スコアの推移に基づいて前記顧客を対象顧客と判定する第２の対象顧客判定手段を備えることを特徴とする請求項２又は３に記載の顧客推定装置。 A second target customer determination means is provided in which the first (n + 1) score is given to each of the customers from the first score, and the customer is determined as a target customer based on the transition of the score in a specific period. The customer estimation device according to claim 2 or 3. 前記スコア付与手段が付与した第１のスコアに第１の係数を乗じ、前記スコア付与手段が付与した第（ｎ＋１）のスコアに第（ｎ＋１）の係数を乗じ、これらを合算して前記顧客のそれぞれに加重スコアを付与する加重スコア付与手段と、
特定の期間において、前記加重スコア付与手段が付与した前記加重スコアに基づいて、当該顧客を対象顧客と判定する第３の対象顧客判定手段を備えることを特徴とする請求項２〜４の何れか１項に記載の顧客推定装置。 The first score given by the scoring means is multiplied by the first coefficient, the first (n + 1) score given by the scoring means is multiplied by the (n + 1) coefficient, and these are added up to obtain the customer's score. A weighted score giving means for giving a weighted score to each, and a weighted score giving means
Any of claims 2 to 4, wherein a third target customer determination means for determining the customer as a target customer is provided based on the weighted score given by the weighted score assigning means in a specific period. The customer estimation device according to item 1. 第ｎ（ｎ≧１の自然数）の分類項目に第ｎのスコアが付与された後、所定条件を満たす前記顧客に新たなスコアを付与する特別スコア付与手段を備えることを特徴とする請求項１〜５の何れか１項に記載の顧客推定装置。 Claim 1 is provided with a special score giving means for giving a new score to the customer who satisfies a predetermined condition after the nth score is given to the nth (natural number of n ≧ 1) classification item. The customer estimation device according to any one of 1 to 5. 顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得したソースデータが有するソースデータ項目とを対応させる項目対応ステップと、
指標化すべき指標化項目の内容に応じて前記顧客保有項目を分類し、第１の分類項目を作成する第１の分類項目作成ステップと、
前記第１の分類項目作成ステップで作成された前記第１の分類項目に、所定の規則に基づいて第１のスコアを付与する第１のスコア付与ステップと、
前記第１の分類項目の作成とは別機会に、前記ソースデータの更新に伴い前記顧客保有項目を分類し、第２の分類項目を作成する第２の分類項目作成ステップと、
前記第２の分類項目作成ステップで作成された前記第２の分類項目に、所定の規則に基づいて第２のスコアを付与する第２のスコア付与ステップと、
を備えることを特徴とする顧客推定方法。 An item correspondence step that associates a customer-owned item owned by a customer with a source data item possessed by source data acquired from a survey conducted on a specific or unspecified person or the history information of that person.
The first classification item creation step of classifying the customer-owned items according to the contents of the indexing items to be indexed and creating the first classification item, and
A first scoring step of assigning a first score to the first classification item created in the first classification item creation step based on a predetermined rule, and a first scoring step.
At a different opportunity from the creation of the first classification item, the second classification item creation step of classifying the customer-owned items with the update of the source data and creating the second classification item, and
A second scoring step of assigning a second score to the second classification item created in the second classification item creation step based on a predetermined rule, and a second scoring step.
A customer estimation method characterized by comprising. 顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得したソースデータのソースデータ項目とを対応させる項目対応手段と、
指標化すべき指標化項目の内容に応じて前記顧客保有項目を分類し、分類項目を作成する分類項目作成手段と、
前記分類項目作成手段が作成した前記分類項目に、所定の規則に基づいて第１のスコアを付与する第１のスコア付与手段と、
前記分類項目に前記第１のスコアが付与された後、所定条件を満たす前記顧客に新たなスコアを付与する特別スコア付与手段と、
を備えることを特徴とする顧客推定装置。 Item correspondence means for associating a customer-owned item owned by a customer with a source data item of source data obtained from a survey conducted on a specific or unspecified person or the history information of that person.
A classification item creation means for classifying the customer-owned items according to the contents of the indexing items to be indexed and creating the classification items, and
A first scoring means for giving a first score to the classification item created by the classification item creating means based on a predetermined rule, and
After the first score is given to the classification item, a special score giving means for giving a new score to the customer who satisfies a predetermined condition, and
A customer estimation device characterized by comprising. 前記所定条件は、前記顧客保有項目のデータの変更に伴い定められる条件であることを特徴とする請求項６又は８に記載の顧客推定装置。 The customer estimation device according to claim 6 or 8, wherein the predetermined condition is a condition determined in accordance with a change in the data of the customer-owned item. 顧客が保有する顧客保有項目と、特定若しくは不特定の者を対象に実施した調査又はその者の履歴情報から取得したソースデータが有するソースデータ項目とを対応させる項目対応ステップと、
指標化すべき指標化項目の内容に応じて前記顧客保有項目を分類し、分類項目を作成する分類項目作成ステップと、
前記分類項目作成ステップで作成された前記分類項目に、所定の規則に基づいて第１のスコアを付与する第１のスコア付与ステップと、
前記分類項目に前記第１のスコアが付与された後、所定条件を満たす前記顧客に新たなスコアを付与する特別スコア付与ステップと、
を備えることを特徴とする顧客推定方法。 An item correspondence step that associates a customer-owned item owned by a customer with a source data item possessed by source data acquired from a survey conducted on a specific or unspecified person or the history information of that person.
The classification item creation step of classifying the customer-owned items according to the contents of the indexing items to be indexed and creating the classification items, and
A first score-giving step in which a first score is given to the classification item created in the classification item creation step based on a predetermined rule, and
After the first score is given to the classification item, a special score giving step of giving a new score to the customer who satisfies a predetermined condition, and
A customer estimation method characterized by comprising.
JP2020054650A 2020-03-25 2020-03-25 Customer estimation device and customer estimation method Active JP6937405B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2020054650A JP6937405B1 (en) 2020-03-25 2020-03-25 Customer estimation device and customer estimation method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020054650A JP6937405B1 (en) 2020-03-25 2020-03-25 Customer estimation device and customer estimation method

Publications (2)

Publication Number Publication Date
JP6937405B1 JP6937405B1 (en) 2021-09-22
JP2021157297A true JP2021157297A (en) 2021-10-07

Family

ID=77918419

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020054650A Active JP6937405B1 (en) 2020-03-25 2020-03-25 Customer estimation device and customer estimation method

Country Status (1)

Country Link
JP (1) JP6937405B1 (en)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002140490A (en) * 2000-11-02 2002-05-17 Information Services International Dentsu Ltd Analysis method for marketing information, information processor and medium
JP2006172082A (en) * 2004-12-15 2006-06-29 Hitachi Communication Technologies Ltd Optimal room charge setting system
JP2016224693A (en) * 2015-05-29 2016-12-28 三菱電機株式会社 Information presentation apparatus and information presentation method
JP2019174977A (en) * 2018-03-27 2019-10-10 三菱電機株式会社 Fee calculation device and fee calculation program
JP6591644B1 (en) * 2018-09-20 2019-10-16 ヤフー株式会社 Information processing apparatus, information processing method, and information processing program
JP2020016943A (en) * 2018-07-23 2020-01-30 富士ゼロックス株式会社 Creativity evaluation device, method and program

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002140490A (en) * 2000-11-02 2002-05-17 Information Services International Dentsu Ltd Analysis method for marketing information, information processor and medium
JP2006172082A (en) * 2004-12-15 2006-06-29 Hitachi Communication Technologies Ltd Optimal room charge setting system
JP2016224693A (en) * 2015-05-29 2016-12-28 三菱電機株式会社 Information presentation apparatus and information presentation method
JP2019174977A (en) * 2018-03-27 2019-10-10 三菱電機株式会社 Fee calculation device and fee calculation program
JP2020016943A (en) * 2018-07-23 2020-01-30 富士ゼロックス株式会社 Creativity evaluation device, method and program
JP6591644B1 (en) * 2018-09-20 2019-10-16 ヤフー株式会社 Information processing apparatus, information processing method, and information processing program

Also Published As

Publication number Publication date
JP6937405B1 (en) 2021-09-22

Similar Documents

Publication Publication Date Title
US10296961B2 (en) Hybrid recommendation system
AU2013222010B2 (en) Hybrid recommendation system
Rianthong et al. Improving the multidimensional sequencing of hotel rooms on an online travel agency web site
US20120089455A1 (en) System and method for real-time advertising campaign adaptation
US20110264522A1 (en) Direct targeting of advertisements to social connections in a social network environment
US20080059281A1 (en) Systems and methods for product attribute analysis and product recommendation
US20170345033A1 (en) Apparatus and Method for Customizing Products on a Regional Basis
JP2011039909A (en) Method and system for optimizing presentation information
CN111566684B (en) Method and system for optimizing user grouping of advertisements
US11587028B2 (en) Computer system for optimizing garment inventory of retailer based on shapes of users
JP6934040B2 (en) Customer estimation device and customer estimation method
JP6937405B1 (en) Customer estimation device and customer estimation method
JP6748769B1 (en) Customer estimation device and customer estimation method
JP6826652B1 (en) Customer estimation device and customer estimation method
Burinskiene et al. Consumer demand: Online or retail stores
JP2022088339A (en) Information processing device, method, program, and computer-implemented method for providing platform
JP2014232346A (en) Information recommendation device, information recommendation method, and information recommendation program
JP6967102B2 (en) Customer estimation device and customer estimation method
JP6945019B2 (en) Customer estimation device and customer estimation method
Joubert Measuring the brand loyalty of customers towards online booking platforms
JP5220175B2 (en) Model generation apparatus and method
JP2021117757A (en) Device and method for estimating customers
Jagtap A case study on impact of impulsive buying behaviour of customers on business
EP4278317A1 (en) System, method, apparatus, and computer program product for persona based gift searches for all occasions
KR20220054983A (en) Method, Device, and Program for Assessing Clothing Seller and Products in Sale

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201006

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201006

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20201006

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20201104

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210225

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210323

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210519

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210824

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210830

R150 Certificate of patent or registration of utility model

Ref document number: 6937405

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250